深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
2961	2025-12-20	Vehicle driving area detection and sensor data preprocessing based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337722 PMID:41401178	研究论文	本文提出了一种基于改进双边分割网络的车辆驾驶区域识别算法及检测模型，以提高智能车辆驾驶区域检测的实时性和准确性	采用改进的双边分割网络结合数据降维技术，提升了车辆驾驶区域检测的实时性能和识别精度	NA	提高智能车辆驾驶区域检测的实时性和准确性	车辆驾驶区域	计算机视觉	NA	深度学习	CNN	图像	NA	NA	双边分割网络	平均每秒处理帧数, 平均识别时间, 平均精度, 准确率	NA
2962	2025-12-20	Classification of current density vector map using transformer hybrid residual network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338189 PMID:41401222	研究论文	本文提出了一种基于深度学习的方法，用于对从磁心图重建的电流密度矢量图进行分类	提出了一种Transformer混合残差网络，结合了迁移学习和自注意力机制，以增强特征提取能力，并针对数据稀缺问题采用了数据增强策略	磁心图数据有限且应用不广泛，可能导致模型泛化能力受限	开发一种计算机辅助方法，帮助医生使用电流密度矢量图分析心脏病例	从磁心图重建的电流密度矢量图	计算机视觉	心血管疾病	磁心图	Transformer, CNN	图像	NA	NA	Transformer hybrid residual network	准确率	NA
2963	2025-12-20	Deep learning-based multimodal risk stratification for atherosclerosis management 2025, Archives of medical science : AMS IF:3.0Q1 DOI:10.5114/aoms/208224 PMID:41403595	研究论文	本研究构建了一个基于深度学习的多模态模型，用于动脉粥样硬化的风险分层，显著提升了临床评估的准确性和效率	结合U-Net进行病灶分割、ResNet进行分类，并引入注意力机制以增强高风险斑块的检测，实现了多模态数据（超声、CTA和临床变量）的融合	未明确提及模型在更广泛人群或不同设备数据上的泛化能力限制，以及潜在的数据偏差问题	开发一个深度学习模型，以准确进行动脉粥样硬化的风险分层，优化临床管理	动脉粥样硬化患者的多模态数据，包括超声、CTA影像和临床变量	计算机视觉	心血管疾病	超声、CTA成像	CNN	图像, 临床数据	未明确提及具体样本数量，但使用了5折交叉验证和多中心验证	未明确提及，但可能基于PyTorch或TensorFlow	U-Net, ResNet	Dice系数, 准确率, AUC	未明确提及
2964	2025-12-20	MSF-CPMP: A novel multi-source feature fusion model for prediction of cyclic peptide membrane permeability 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.041 PMID:41404123	研究论文	本研究提出了一种名为MSF-CPMP的新型多源特征融合模型，用于预测环肽的膜渗透性	首次融合了从SMILES序列、基于图的分子结构和环肽的物理化学性质中提取的三种特征，以更全面地捕捉环肽的特征多样性	未在摘要中明确说明	提高环肽膜渗透性预测的准确性	环肽	计算生物学	NA	多源特征融合	深度学习模型	分子序列、分子结构图、物理化学性质	未在摘要中明确说明	未在摘要中明确说明	MSF-CPMP	准确率, AUROC	未在摘要中明确说明
2965	2025-12-20	ENet-CAEM: a field strawberry disease identification model based on improved EfficientNetB0 and multiscale attention mechanism 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1701740 PMID:41404135	研究论文	本研究提出了一种基于改进EfficientNetB0和多尺度注意力机制的草莓病害识别模型ENet-CAEM，用于田间草莓病害的实时诊断	引入了通道上下文模块、多尺度高效通道注意力模块、轻量级空洞空间金字塔池化以及混合池化策略，结合可学习DropPath和标签平滑正则化，以增强模型对不规则、多尺度病变特征的捕捉能力并抑制背景噪声	模型在自建数据集上准确率为85.84%，虽优于基线但仍有提升空间；且依赖有限数据训练，可能影响泛化能力	开发一种高效、鲁棒的田间草莓病害识别模型，以支持实时诊断和田间管理	草莓病害图像，特别是田间环境下具有不规则形状、多尺度病变和杂乱背景的图像	计算机视觉	草莓病害	深度学习图像识别	CNN	图像	自建数据集和公共草莓数据集，具体样本数量未明确说明	未明确说明，可能为TensorFlow或PyTorch	改进的EfficientNetB0	准确率	未明确说明
2966	2025-12-20	ALNet: towards real-time and accurate maize row detection via anchor-line network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1706596 PMID:41404128	研究论文	本研究提出了一种名为ALNet的轻量级卷积神经网络，用于实现实时且准确的玉米行检测，以支持农业机械的视觉导航	引入了Anchor-Line机制将行检测重新定义为端到端回归任务，采用行对齐的核操作减少计算量，并设计了Attention-guided ROI Align模块与DAE-Former来增强特征交互，以及Row IoU损失函数以提高定位精度	NA	开发一种轻量级、高精度的玉米行检测方法，以支持农业机械的实时视觉导航	玉米行	计算机视觉	NA	NA	CNN	图像	NA	NA	ALNet, DAE-Former	IoU, FPS, GFlops	NA
2967	2025-12-20	TSSC: a new deep learning model for accurate pea leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718758 PMID:41404156	研究论文	本文提出了一种名为TSSC的新型深度学习模型，用于准确识别豌豆叶片病害	设计了三邻域通道注意力机制以提升特征提取效果，引入了互补挤压与激励机制以增强关键特征提取能力，并嵌入了分割注意力模块以降低模型复杂度	NA	探索基于深度学习的智能识别方法，以解决多种豌豆叶片病害的自动识别问题	豌豆叶片病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	TSSC	分类准确率	NA
2968	2025-12-20	Deep learning-guided discovery of selective JAK2-JH2 allosteric inhibitors: integration of MLP predictive modeling, BREED-based library design, and computational validation 2025, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2025.1646784 PMID:41404389	研究论文	本研究利用多层感知机（MLP）深度学习模型结合BREED片段杂交策略，发现并验证了选择性JAK2-JH2变构抑制剂	整合MLP预测建模、BREED库设计和计算验证，发现新型选择性JAK2-JH2变构抑制剂BRD1	研究结果需未来实验验证，未涉及体内或临床测试	发现选择性JAK2-JH2变构抑制剂用于血液和肿瘤疾病治疗	JAK2假激酶域（JH2）及其靶向化合物	机器学习	血液和肿瘤疾病	分子对接、分子动力学模拟、ADMET分析	MLP	化合物数据	1,200个JAK2靶向化合物用于训练，6,210个新分子用于筛选	NA	多层感知机	结合亲和力、构象稳定性、选择性	NA
2969	2025-12-20	Accuracy of deep learning in diagnosis of apnea syndrome: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1663851 PMID:41404457	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于图像的深度学习模型在实时检测阻塞性睡眠呼吸暂停综合征中的诊断准确性	首次通过系统综述和荟萃分析综合评估基于心电图图像的深度学习模型在OSAS实时检测中的准确性，并针对不同验证集生成方法进行了亚组分析	建模基于从心电图片段中提取的研究，但提取片段的持续时间存在差异，且该方面未在研究中进行亚组分析，计划在后续研究中进一步探索和验证	阐明基于图像的深度学习方法在实时检测阻塞性睡眠呼吸暂停综合征中的准确性	基于心电图图像构建的深度学习模型	机器学习	阻塞性睡眠呼吸暂停综合征	深度学习	深度学习模型	图像（源自心电图）	来自39项原始研究的数据	NA	NA	灵敏度, 特异度, 诊断比值比, 汇总受试者工作特征曲线下面积, 阳性似然比	NA
2970	2025-12-20	Application of machine learning approaches to predict seizure-onset zones in patients with drug-resistant epilepsy: a systematic review 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1687144 PMID:41404463	系统综述	本文系统综述了机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	系统评估了机器学习，特别是深度学习和个性化模型在提高发作起始区预测准确性方面的潜力，并强调了考虑癫痫网络级变化的重要性	研究间存在数据采集方法、患者群体和报告标准的异质性，阻碍了直接比较，且临床实用性，特别是在复杂癫痫病例中，仍需进一步研究	评估机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	耐药性癫痫患者	机器学习	癫痫	NA	支持向量机, 深度学习	NA	352名患者（平均年龄28岁，34%为女性）	NA	NA	准确率, 灵敏度, 特异性	NA
2971	2025-12-19	Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study 2025-Dec-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213953 PMID:41284956	研究论文	本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联	开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用	研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明	探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联	阿尔茨海默病神经影像学倡议项目中无痴呆的参与者	数字病理学	阿尔茨海默病	3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET	深度学习	医学影像	564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+	NA	NA	p值, 假发现率校正, 标准化β系数, 95%置信区间	NA
2972	2025-12-19	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中	未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战	利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距	四种主要精神疾病患者及对照组的神经影像数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁层次网络（PHN）	NA	NA
2973	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
2974	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
2975	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
2976	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
2977	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
2978	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
2979	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA
2980	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA